Machine Learning 실습 (6)

# 데이터에 복잡한 처리를 하는 함수를 연결하는 기능(함수) : apply
# 1. 사용자 정의 함수 : 복잡한 처리
# 2. 대상 데이터와 apply를 통해 연결
# 3. 처리가 완료된 데이터를 실제에 반영함(초기화)

def fill_age(row):
    # row 행단위로 처리하게 만드는 함수
    # 결측치가 있을 때 처리하는 조건문
    if np.isnan(row['Age']):
        return gb1.loc[row['Pclass'],row['Sex'])]
    # 없으면 숫자값 그대로 반환하는 조건문
    else:
        return row['Age']

train['Age'] = train.apply(fill_age, axis=1).astype('int64')
train.info()

 

# fill_age 함수 이용해서 test 데이터 나이 결측치 처리
test['Age'] = test.apply(fill_age, axis=1).astype('int64')
# info()
test.info()

 

4-5. Cabin 결측치 처리(채우기)

# Cabin 에 어떤값이 들어있는지 확인
train['Cabin'].unique()
# nan 결측치
# C85 (C층, 85번째방)
# 임의로 'M' 값으로 결측치 채우기
train['Cabin'] = train['Cabin'].fillna('M')
test['Cabin'] = test['Cabin'].fillna('M')

# 알파벳만 추출
train['Cabin'] = train['Cabin'].str[0]
test['Cabin'] = test['Cabin'].str[0]
test['Cabin']

 

train.info()
test.info()